search

jasperzhong / read-papers-and-code

My paper/code reading notes in Chinese
44 stars 3 forks source link

arXiv '18 | Learning dynamic embedding from temporal interaction networks #289

Closed jasperzhong closed 2 years ago

jasperzhong commented 2 years ago

https://arxiv.org/pdf/1812.02289.pdf

JODIE

jasperzhong commented 2 years ago

这个好像都没用到GNN... 完全是用于temporal interaction的

image

每个node给两种embedding: static embedding和dynamic embedding.

static embedding是不变的，比如用来表示用户长期兴趣. dynamic embedding是当user和item发生interaction的时候更新. 更新方法如下:

image

f是edge features. \delta 是指距离这个node上次interaction的时间差.

训练算法 image

看上去是给定一个interaction (user -> item），先取这个用户上一个interact的item的embedding，以及user自己的embedding，作为模型输入，然后用模型预测item，用真实interaction的item作为标签，计算loss. 然后更新dynamic embedding.

这样就可以预测未来用户会和哪个item interact了，就可以用这个做预测了！

实验结果还不错. image

jasperzhong commented 2 years ago

BTW，这里提到的static embedding完全可以看作是node features..